GERÇEK ZAMANLI KAMERADAN ALINAN EL İŞARETLERİNİ SINIFLANDIRMAK İÇİN EVRİŞİMSEL SİNİR AĞI MİMARİSİ TASARIMI
CONVOLUTIONAL NEURAL NETWORK ARCHITECTURE DESIGN FOR CLASSIFICATION OF HAND GESTURE IMAGES FROM REAL TIME CAMERA
- Tez No: 808535
- Danışmanlar: DOÇ. DR. MEHMET FEYZİ AKŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Yapay zekâ, günlük yaşantımızı kolaylaştıran birçok uygulamada çözüm aracı olarak yaygın bir biçimde kullanılmaktadır. Evrişimsel Sinir Ağlarından faydalanılarak el hareketlerinin algılanmasıyla farklı uygulamalar geliştirilmesi mümkündür. Çalışma kapsamında 15 farklı Evrişimsel Sinir Ağı mimarisi geliştirilmiştir. Geliştirilen mimariler ile gerçek zamanlı kameradan alınan görsellerin beş farklı el hareketi ve bekleme durumu için bir sınıf olmak üzere altı farklı sınıfa göre etiketlenmesi sağlanmıştır. Geliştirilen mimarilerin eğitim ve doğrulaması için farklı ışıklandırma koşullarında her bir sınıf için 300 görsel olmak üzere toplam 1800 görselden oluşan veri seti hazırlanmıştır. Hazırlanan veri seti içerisinde 1200 adet görsel eğitim, 600 adet görsel ise doğrulama amacıyla kullanılmıştır. Eğitim aşaması için en uygun parametre seti belirlenmiştir. Eğitim grafiklerinden okunan doğrulama doğruluğu değerleri her bir mimari için raporlanmıştır. Tasarlanan mimarilerin sınıflandırma başarılarını değerlendirmek için gerçek zamanlı kamera ile testler gerçekleştirilmiştir. Gerçekleştirilen testler sonucunda her bir sınıf için hata matrisleri oluşturulmuştur. Hata matrisinde bulunan veriler ile duyarlılık, doğruluk ve özgüllük hesaplamaları yapılmıştır. Görsel uygulamalarda yaygın olarak kullanılan AlexNet ve GoogleNet mimarileri de çalışma kapsamında altı farklı el hareketini sınıflandırmak üzere güncellenmiş ve hazırlanan veri seti kullanılarak eğitim gerçekleştirilmiştir. AlexNet ve GoogleNet mimarileri, tasarlanan mimariler ile aynı yöntemler kullanılarak test edilmiş ve sonuçlar raporlanmıştır.
Özet (Çeviri)
Human kind has developed various methods from past to present to facilitate daily life and to eliminate the encountered problems. Thanks to the solutions it offers in different subjects, the use of artificial intelligence is becoming more common day by day. With new technology devices and methods, applications that can serve various purposes can be easily developed. This study includes convolutional neural network architecture designs developed by using MATLAB. It is aimed to classify the images taken from the computer camera in accordance with 6 different labels. These classes consist of 5 hand gestures and a class for waiting. In this context, Convolutional Neural Network architectures with different layer and filter structures were designed. In the training and validation phase of the designed architectures, a dataset specially created for the study, which includes real-time camera images, was used. The data set consists of 1800 images with different lighting properties taken in different time periods. For each class, 200 images were used in the training phase and 100 images in the validation phase. It has contributed to the literature with the prepared data set and different architectural designs. During the training phase, the most appropriate parameter set was determined. Error matrices were created to evaluate the success of the designed convolutional neural network architectural structures in the 6-label classification process. The error matrices are filled with the outputs obtained as a result of the tests performed with the data from the real-time camera. Sensitivity, Specificity and Accuracy values were calculated with the data from the error matrix. Validation accuracy values for the designed architectures are reported within the scope of the study. In addition to the designed convolutional neural network architectures, AlexNet and GoogleNet architectures were trained using the data set prepared specifically for the study and tested using the same methods as the designed architectures.
Benzer Tezler
- Emotion recognition in children: Single and multimodal approaches with facial and physiological data
Çocuklarda duygu tanima: Yüz ve fizyolojik verilerle tekli ve çoklu modalite yaklaşimlari
ŞEYMA TAKIR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HATİCE KÖSE
- Prosedürel el hareketlerinin bilgisayarlı görmeye dayalı yorumlanması
Interpretation of procedural hand gestures using computer vision
RÜSTEM ÖZAKAR
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EYÜP GEDİKLİ
- Yapay sinir ağı destekli bir endüstriyel görüntü işleme uygulaması
An industrial image processing application with artificial neural network
GÖKTUĞ ÜLKÜER
Yüksek Lisans
Türkçe
2020
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. SALMAN KURTULAN
- Transforming feedback control systems on whiteboard into Matlab via a deep learning based intelligent system
Derin öğrenme tabanlı akıllı bir sistem ile beyaz tahtadaki geribeslemeli kontrol sistemlerinin Matlab ortamına aktarılması
DORUKHAN ERDEM
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Örme kumaşlardaki üretim hatalarının görüntü işleme teknikleri ile otomatik tespiti ve sınıflandırılması
Automatic fault detection and classification of knitted fabrics using image processing techniques
VOLKAN ATMACA
Yüksek Lisans
Türkçe
2005
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ŞENİZ ERTUĞRUL
DOÇ. DR. NURAY UÇAR